基于指数族先验对数似然近似的贝叶斯推断
机器学习
2015-10-06 v1 机器学习
摘要
本文提出一种基于似然函数对数之泰勒级数近似的贝叶斯推断技术。所提出的近似针对先验分布属于指数族分布的情形而设计。似然函数的对数关于指数族中先验分布的充分统计量进行线性化，使得后验获得与先验相同的指数族形式。阐明了所提方法与用于非线性滤波的扩展卡尔曼滤波之间的相似性。此外，推导了目标模型（其中目标扩展由具有逆威沙特分布的随机矩阵表示）的扩展目标测量更新。该近似更新涵盖了测量散布源于目标扩展以及传感器中测量噪声的重要情形。
引用
@article{arxiv.1510.01225,
title = {Bayesian Inference via Approximation of Log-likelihood for Priors in Exponential Family},
author = {Tohid Ardeshiri and Umut Orguner and Fredrik Gustafsson},
journal= {arXiv preprint arXiv:1510.01225},
year = {2015}
}